基于改进可变形部件模型的车辆检测

对传统的车辆目标检测方法进行了改进,提出了一种基于改进可变形部件模型的车辆目标检测方法.首先对交通图像进行HSI颜色空间转换,提取颜色空间中各通道的信息,对各通道的可变形部件模型进行训练;然后采用自适应融合方法得到颜色融合的可变形部件模型.在车辆检测过程中,通过滑动窗口遍历,利用颜色融合的可变形部件模型对车辆图像进行遍...     

基于可变形部件模型的驾驶员人脸检测

交通监控中车辆驾驶室内环境较为复杂,如光线暗、遮挡、分辨率低等,现有的人脸检测方法效果不佳.提出了一种基于可变形部件模型的驾驶员人脸检测方法.通过提取聚合通道特征（局部二值模式和梯度方向直方图）,得到候选人脸目标.基于监控图像中车牌与驾驶员人脸的相对位置存在比较固定的模式,将车牌与驾驶员人脸看作是可变形部件模型中的两个部件,用于验证车牌和候选目标相对位置关系的合理性,从而确定驾驶员人脸的位置.实验结果表明提出的方法提高了检测准确率和综合性能指标,有效地滤除了人脸虚警,且召回率影响较小.      

基于可见光遥感图像的船只目标检测识别方法

 基于光学遥感图像提取船只目标是海洋信息感知中的重要应用方向,主要任务包括在广域大视场图像中快速检测定位船只目标,并在检测船只目标的基础上对目标信息进行进一步的提取与分类,该研究无论在民用及军事方面都具有重要意义。本文围绕船只检测识别方法中预处理及目标检测、分类等主要环节,阐述了各环节面临的难点问题及主要解决方法,指出了目前存在的问题,展望了基于光学遥感图像技术的发展趋势。     

基于角检测方法的船只检测

为了更好地检测停在港口岸上的船只,提出了一种角点及角度检测方法,以用于对前端有尖角的船只检测.该法以图像在某一点的极坐标变换为基础,将梯度图像的灰度值在每个方向上叠加,再检测累加值最大的两个方向,得出两个方向上分别的累加值和方向角,再通过一个权值计算公式来设定该点为角点的可能性.结合高斯平滑,该方法能方便地找出不同尺度的角点,及其对应角度的位置,从而有效检测出船的前端点及船的方向,进而确定船的位置.该法克服了其他方法无法分割出停在岸边的船的缺点,对船只的检测提供了值得借鉴的经验.     

基于深度学习的高分遥感影像典型地物检测方法应用实践

传统的基于高分辨率遥感影像的典型地物检测方法难以兼顾检测精度、处理速度和自动化程度,而深度学习方法在图像处理领域中的应用为解决上述问题提供了可能.选用RSOD-Dataset数据集,基于TensorFlow深度学习框架,采用Faster R-CNN、YOLOv3和SSD三种经典深度学习目标检测算法,对高分辨率遥感影像数...     

一种多尺度可变形部件模型的人脸表情识别的研究

针对现有表情识别研究无法捕捉脸部关键部位特征,提出一种多尺度可变形部件模型(DPM)的人脸表情识别方法。首先,构建多尺度图像的特征金字塔,然后,用随机梯度下降算法训练人脸DPM模型,根据DPM模型中根滤波器与部件滤波器的响应值确定人脸关键部位位置,最后,提取关键部位的HOG特征,将获得的特征输入到分类器中训练。在CK+和JAFFE表情库上的验证结果表明,该方法在不同角度和光照强弱影响下对人脸均有较好的检测和定位效果,提取的人脸关键部位特征在计算速率和识别率上优于对比算法。     

基于彩色模型的遥感影像阴影检测

依据遥感影像阴影的属性,提出一种基于彩色模型的遥感影像阴影检测方法,以提高阴影检测精度。阴影检测过程中,首先将影像转换到HSV空间。根据阴影区域高色调值、低亮度值和高饱和度的特性,定义M=(S-V)/(H+S+V)。利用光谱比技术和中值滤波,得到初步的阴影区域。其次依据散射理论对蓝光的影响,以及彩色不变特征,提出结合C1C2C3空间的C3分量和RGB空间的B分量进行双阈值阴影检测。为降低阈值选择的主观性,提出将上述两种方法进行与运算,并结合小区域去除和数学形态学处理,进行阴影提取。最后对多幅带有阴影的遥感影像进行实验。结果表明所提出的方法明显优于传统的直方图阈值法和同态滤波检测法,克服了阈值选择的主观性,提高了阴影检测精度。     

一种基于Snake模型的遥感影像道路网半自动提取方法

在遥感影像中,道路不仅是一种重要的基础地理信息,而且还是提取其它地物目标的线索和参考,道路的正确提取对遥感影像的深入应用具有重要意义.然而,到目前为止,遥感影像道路网的全自动化提取仍处于探索阶段,现有研究仍多侧重于道路的半自动提取方法.本研究在归纳和总结现有典型的几种道路半自动提取方法基础上,提出了一种基于Snake模型的遥感影像道路网半自动提取方法,针对该方法中能量函数的构造、收敛迭代条件的设置、道路中角点的判断、角点及道路网中交点的提取等问题进行了讨论.最后对所提出的方法进行了实验验证,结果表明:基于Snake模型的遥感影像道路网半自动提取方法能够从覆盖范围大、场景复杂、噪声较多的遥感影像中实现道路网的提取且只需少量的人机交互,从而极大地提高了道路提取的效率.     

基于直线检测的遥感影像道路提取方法

针对传统的高分辨率遥感影像中提取道路精度低问题,提出了一种基于改进直线检测道路的方法。首先将彩色图像梯度计算运用到经典的直线段检测(LSD)算法中,实现遥感影像直线提取。根据相邻两条直线关系设置6个直线合并规则,然后判断直线间的区域是否为候选道路区域。以候选区域为种子点,生长其他直线间的区域。最后提取面状道路及优化,同时也对道路交叉路口进行提取。实验结果表明使用提出方法所提取道路区域更加完整。     

采用改进YOLOv3的高分辨率遥感图像目标检测

由于高分辨率遥感图像存在目标排列密集、尺寸差别大等情况,传统算法难以准确地对其进行目标检测。在YOLOv3算法的基础上,提出一种改进的高分辨率遥感图像目标检测算法(remote sensing-YOLO,RS-YOLO)。利用K-means聚类算法对数据集进行聚类,重新设计适合遥感图像的先验框; 引入高斯模型计算预测框的不确定度,以提高网络对预测框坐标的准确度; 使用弱化的非极大值抑制算法(soft non-aximum suppression,Soft-NMS)对预测框进行处理,增强算法对密集排列目标的检测能力。实验结果表明,改进后的算法能够对高分辨率遥感图像进行有效的目标检测,以NWPU VHR-10数据集为例,RS-YOLO的平均检测精度达到了87.97%。     

高分辨率影像道路提取的整体矩形匹配方法

提出了一种整体矩形匹配方法,对高分辨率遥感影像中的城市直线道路进行提取.方法基于影像特征、道路知识和数学形态学的击中击不中思想,通过改变影像分割阈值、矩形宽度和矩形方向,从矩形的内部和外部进行整体匹配,使得矩形满足最佳匹配原则,从而提取出道路.利用提出的方法对高分辨率卫星影像进行了实验.结果表明:该方法能较好地消除树木、汽车等对道路提取的影响,有效地提取出直线道路的边缘.     

基于改进CGHT的光学遥感图像舰船尾迹检测

根据遥感图像舰船目标检测的实时性要求,提出了一种应用改进CGHT算法检测舰船尾迹的方法.通过加入舰船船体的检测结果,改进CGHT算法中种子点的选取方式,以改善尾迹检测的计算复杂度,并将检测重点侧重于舰船船体附近区域,避免尾迹检测的盲目性.实验表明,该算法显著减少了尾迹检测的运行时间,降低了伪尾迹引起的虚警,提高了尾迹定位的准确性.     

应用遥感影像更新地理信息若干问题的探讨

首先,针对高空间分辨率卫星遥感影像用于地理信息更新的特点,对信息融合、变化检测、数据挖掘、影像检索等问题进行了研究。遥感影像用于地理信息更新时,一方面应对多源遥感信息进行融合,特别是发展决策层融合算法,另一方面应进行多时相遥感信息融合和变化检测。其次,针对多时相遥感信息融合,提出了一种新的多时相融合处理方法体系,并针对自动信息更新的要求,探讨了遥感数据挖掘应重点解决的问题及其在地理信息自动更新中的应用。最后,面向快速影像提取和检索的需求,研究了基于内容的遥感影像检索技术,并重点分析了检索中能够应用的影像特征。     

一种光学遥感图像海面舰船检测算法

为了在通用硬件平台上实现光学遥感图像海面舰船检测,提出一套适合实际系统应用的算法。首先,在海陆分割阶段设计能快速粗分图像内容的自适应双门限阈值分割方法;其次,根据海面舰船分布稀疏的特点对分块后的图像进行目标存在性初判;接着,只对初判为有目标的分块提取目标候选区域,提高了检测效率,其中引入杂波率系数自适应地控制Top-Hat算子中结构元素的尺寸,使其更好地抑制背景;最后,采用基于特征的模式识别方法剔除虚警。测试结果验证了算法的性能,并在硬件平台上进行了实现。     

高空间分辨率遥感环境制图的几个关键技术研究

在大量实际工作的基础上,分别对影像的空间分辨率和像素分辨率的选择,色彩的匹配与还原处理等具体技术问题进行了总结与讨论.实践证明,这些处理方法在具体的应用中取得了很好的效果.     

基于JSEG改进算法的高分辨率遥感影像分割

高分辨率遥感图像中细节信息丰富、地物几何结构明显,对JSEG算法进行了改进,使其对高分辨率遥感图像分割可以取得更合理的结果.算法使用增量式的生长方式完成初始分割,并综合使用颜色和形状信息对过分割区域进行合并.实验表明,改进后的算法符合高分辨率遥感图像的特点,可以得到更好的效果.     

顾及区域信息的卷积神经网络在影像语义分割中的应用

高分辨率遥感影像在实际应用中得到广泛使用。高分影像语义分割方法的研究具有重要实际应用价值。近来基于深度卷积网络的遥感影像标注方法表现出了比传统方法更为优越的性能;然而由于其基于固定感受野大小的上下文信息获取方法没有显式利用像素间约束关系,导致同一地物内部语义标注结果不一致。基于同一区域内部像素属于相同类别概率较大的假定,试图引入图像区域内部语义标注一致性约束,以改善现有深度卷积神经网络描述上下文信息的能力。在现有全卷积网络模型基础上,利用卷积神经网络最后一层特征,引入一个表示区域内部像素特征一致性的损失函数;将该损失函数与softmax损失函数进行联合训练,得到网络模型参数。在ISPRS(国际摄影测量与遥感学会)的Vaihingen 2D语义标注数据集上,对提出的方法进行了实验验证,实验结果表明所提方法在大多数类别上取得了较现有卷积神经网络模型更优的分类结果,总体准确率达85.18%。提出的引入区域内部像素标记一致性的全卷积网络模型,可以有效捕捉区域内部像素特征一致性的上下文信息,能有效纠正全卷积网络模型在区域内部像素分类中的冲突,获得区域一致较好的分类结果,从而改善图像的语义标注效果。     

可见光遥感图像中舰船目标检测的多阶阈值分割方法

针对遥感图像中海洋复杂背景下的海上舰船目标检测,提出了基于自适应多阶阈值分割舰船目标检测方法.使用该方法对Spot,Quickbird,Ikonos,Landsat等不同卫星数据来源、不同分辨率、不同内容的12 704个样本进行了试验,成功检测了1 104个目标中的1 098个,检测率达到99.5%,同时虚警率保持在较低水平.实验证明,该方法对遥感图像中的海上舰船目标检测适应性强、检测率高、稳定性好.